台風降雨下における地域的な地すべりリスクの体系的評価：2016年9月、中国浙江省泰順県の事例研究

豪雨で山坡が崩れる仕組み

強い台風が陸地を襲うと、多くの人はまず風や洪水を心配します。しかし、急傾斜で雨の多い地域では、別の危険が静かに進行します：山の斜面全体が突然崩れることがあるのです。本研究は、2016年9月の台風メーランティにより数千件の地すべりが発生した浙江省泰順県の事例を分析します。衛星画像、降雨記録、先進的な計算モデルを組み合わせることで、強い雨、険しい地形、局所的な地理条件がどのように安定していた緑の斜面を土砂の高速流へと変えるかを示しています。

地面が崩れた場所

研究チームは、台風の通り道になりやすい中国南東部の山地を対象にしました。メーランティの前後で撮影された高解像度衛星画像と現地調査を併用して、約3,400平方キロメートルの範囲で4,102件の地すべりをマッピングしました。多くの滑落は比較的小規模でしたが、合計で6平方キロメートル以上を覆いました。地すべりは中央山地を北西—南東方向に走る帯状に集中し、最も降雨量が多かった領域と一致しました。多くの斜面には裸地と引き裂かれた植生を伴う細長い跡が残り、この地域で雨によって引き起こされる典型的な崩壊パターンを示していました。

降雨、山、河川、森林が相互に作用する

なぜ近隣の斜面の一部だけが崩れ、他は踏みとどまったのかを解明するために、研究者たちは9つの主要因子を調べました：標高、傾斜の急さ、向き、岩石の種類、植生、土地利用、表面の湿潤度、河川からの距離、そして暴風雨中の総降雨量です。地すべりは標高中位（約400〜800メートル）で、比較的急な斜面（25〜40度）に最も多く発生しました。南および南東向きの斜面は、季節風による降雨を直接受けやすく、破壊されやすい傾向がありました。特に白亜系の砂岩や泥岩など、柔らかく深く風化した地層が弱い基盤を提供していました。中程度の植生被覆や森林地域も地すべりと関連していましたが、これは木が崩壊を引き起こすからではなく、これらの環境がより多くの水を貯え、比較的脆弱な斜面上に存在するためです。河川に近いほどリスクは増大しました。流れる水が斜面の基部を侵食し、嵐の際に斜面が容易に崩れやすくなるためです。

機械学習が隠れたパターンを明らかにする方法

次に研究者たちは、これらの要素を実用的なハザードマップに変換するために自動化された機械学習に取り組みました。マッピングされた地すべり地点と同数の安定地点を、「アンサンブル」として多数の異なる学習モデルに与え、例から学習させました。このシステムはAutoGluonと呼ばれ、多数のモデルを試し組み合わせて最も信頼できる構成を見つけます。最良の結合モデルは不安定な斜面と安定した斜面を非常に高い精度で区別できました。モデルの予測を地図上に描くと、高リスク・非常に高リスクと評価された領域が台風メーランティ時に実際に地すべりが発生した場所と密接に一致し、特に中央山地の帯状領域で顕著でした。研究チームはさらに、SHAPとして知られる手法を用いてモデルの“ブラックボックス”を開き、各因子が斜面を崩壊方向または安全方向にどれだけ強く押しやるかを測定しました。

災害の転換点を見つける

解釈ツールは、特に重要なのは3つの要素であることを示しました：降雨量、斜面の標高、斜度です。モデルの内部スコアは、暴風雨の主要な4日間で総降雨量が約160〜180ミリメートルに達したあたりで急増し、その点を越えると斜面は急速に不安定になる転換点が現れました。標高や斜度も同様に閾値的な挙動を示しました：中山帯の中程度から非常に急な斜面は、低地の緩やかな丘陵や非常に高く岩盤が露出した峰に比べてはるかに崩壊しやすいことが分かりました。岩石種、谷地の湿潤集中、植生などの他の因子は、しばしば非線形にリスクを上下に調整しました。これらのパターンが組み合わさることで、地すべりが風土全体に均等に散らばるのではなく、密集したクラスターとして現れる理由が説明されます。

知見を早期警報へつなげる

詳細なマッピング、衛星降雨データ、透明性のある機械学習を組み合わせることで、本研究は台風降雨が現地でどのように地すべり危険に転じるかをより明確に示しています。専門外の人や地域行政にとっての要点は明快です：中標高で比較的急な、河川に刻まれた森林斜面に非常に多量の雨が降ると、斜面崩壊のリスクは急激に高まります。ここで開発された枠組みは他の台風多発山地地域へ適用可能であり、当局が監視、早期警報、保護対策を次の大きな台風で滑落しやすい場所に集中させるのに役立ちます。

引用: Xie, C., Xu, C., Xu, X. et al. A systematic assessment of regional landslide risk under typhoon rainfall: a case study of Taishun, Zhejiang, China in September 2016. Sci Rep 16, 10857 (2026). https://doi.org/10.1038/s41598-026-46166-w

キーワード: 地すべり, 台風降雨, 山地災害, 機械学習, 早期警報